Autor: TT3LABS, plataforma de contratação remota Web3/AI/SaaS
Em 26 de fevereiro de 2026, a gigante de tecnologia financeira Block anunciou demissões de mais de 4.000 pessoas, reduzindo sua equipe de mais de 10.000 para menos de 6.000. O CEO Jack Dorsey mencionou na carta aos acionistas:
Smart tools have changed what it means to create and run a company... a significantly smaller team, using the tools we're building, can do more and do it better.
Dorsey também deu sua previsão extremamente fria:
I believe most companies are already late. Within the next year, most companies will reach the same conclusion and make similar structural adjustments.
Após o encerramento do pregão, as ações da Block subiram mais de 20%. Este é o retorno do mercado de capitais com dinheiro real: pagando pelo alavancagem e eficiência da IA da empresa.
Uma pessoa comum totalmente sem conhecimento de programação já pode, com o auxílio de grandes modelos, lançar sozinha um aplicativo funcional e completo em uma única noite. O mercado financeiro inevitavelmente fará uma pergunta afiada: qual é ainda o valor real do imenso custo com mão de obra de gigantes tecnológicas que empregam dezenas de milhares de programadores para manter o funcionamento diário de um superaplicativo?
A tendência de substituir mão de obra humana por IA fará com que mais grandes empresas sigam o mesmo caminho. A ansiedade é inevitável, mas apenas se preocupar não resolve nada. Precisamos começar pela transformação do ambiente geral e, aos poucos, voltar-nos para estratégias de sobrevivência individuais.
A IA não é apenas uma ferramenta; ela está se tornando um meio de produção
Alguns no mercado estão começando a usar "Web4" para definir a fase atual. Para esclarecer a evolução, vamos revisar as diferentes fases da evolução da internet:
Web2
O núcleo é a interação entre software e seres humanos; diferentes plataformas usam algoritmos para captar a atenção dos usuários, sendo essencialmente uma batalha pela apropriação de tráfego.
Web3
Tenta resolver os problemas de titularidade e distribuição de valor de ativos digitais. Muitas pessoas simplificam-no como equivalente a criptomoedas, mas, em essência, ainda permanece na disputa das regras de distribuição de riqueza, sem tocar nas relações de "produção e fabricação" de produtos digitais.
Véspera do Web4
A IA tocou pela primeira vez na própria relação de produção. Ela já não é apenas uma ferramenta para aumentar a eficiência, mas está se tornando um novo tipo de meio de produção. Quem a usar melhor poderá aumentar o limite de produção em uma ordem de grandeza.
Na colaboração tradicional de equipes, existem muitos custos implícitos: o julgamento e a intuição industrial de líderes excepcionais são difíceis de replicar para subordinados, e erros de compreensão e retrabalho são inevitáveis em execuções coletivas. Esses são os "impostos ocultos" do funcionamento organizacional, que antes não tinham soluções claras. A IA reduz drasticamente esse imposto oculto: não possui curva de aprendizado, executa com alta qualidade com instruções claras e pode processar múltiplas linhas de tarefas simultaneamente. A capacidade estratégica de uma pessoa, combinada com o alavancagem executiva da IA, pode gerar a produtividade de toda uma equipe anterior.
Claro, a IA ainda ocasionalmente "fala sério e diz besteiras", o que torna a revisão e o julgamento humanos ainda indispensáveis. Mas a confiabilidade dos modelos está melhorando mensalmente, e a janela de buffer para cargos puramente executivos é muito mais curta do que a maioria das pessoas imagina.
Equalizing Efficiency and Deep Crisis: After the Entry Barrier Is Eliminated
A curto prazo, indivíduos comuns podem aproveitar o benefício de eficiência ao adotar ferramentas de IA. No entanto, ao analisar para o futuro, quando a IA eliminar a diferença básica de eficiência e reduzir drasticamente a barreira de entrada para profissões, as empresas perceberão que, após o aumento significativo da produtividade individual, manter a força de trabalho original se tornará um passivo, caso a escala geral dos negócios não se expanda proporcionalmente.
Veja a divisão salarial atual. De acordo com os dados de monitoramento de cargos da TT3LABS, desde 2025, o mercado de empregos em IA já registrou várias vezes pacotes salariais na casa de "mais de dez milhões de dólares", e esses candidatos são jovens engenheiros de IA, sem muita experiência em habilidades de gestão de equipes. Quando a Meta recrutou pesquisadores-chave da OpenAI, apenas o bônus de contratação ultrapassou 100 milhões de dólares; a remuneração média em ações dos funcionários da OpenAI atingiu 1,5 milhão de dólares, e o salário anual básico dos engenheiros de pesquisa sênior da Anthropic chegou a até 690 mil dólares (sem ações).
O dinheiro gasto neste capital está comprando uma capacidade rara: tornar a própria IA mais forte. Aqueles que podem impulsionar a evolução dos modelos subjacentes têm seu valor amplificado geometricamente em toda a rede comercial. Já os demais, cujas atividades podem ser substituídas pela IA a um custo mais baixo, podem ver sua avaliação reduzida.
Isso também desencadeia uma crise potencial mais profunda. Agora, cada vez mais pessoas, ao enfrentarem um problema, têm como primeira reação pedir que a IA forneça a resposta, pulando o processo intermediário de raciocínio, verificação e tentativa e erro. Com o tempo, isso leva à perda da capacidade de pensar. O problema é que justamente esse "trabalho árduo" molda seu senso para os problemas. Dependendo a longo prazo da IA para realizar esse processo em seu lugar, seu papel no trabalho se reduzirá ao de um "tradutor de requisitos": transformar as solicitações dos outros em entradas para a IA e repassar as saídas da IA aos outros. E justamente esse elo intermediário é o que a próxima geração de IA poderá facilmente pular.
Impact Map: Where are you standing?
O medo, sem coordenadas, é apenas ansiedade. Antes de discutir estratégias, precisamos primeiro traçar um "mapa de impacto". Isso não é para espalhar pânico, mas para ajudar cada um a se posicionar.
Cargos cujas funções de alto risco podem ser claramente definidas por instruções
Tarefas como programação básica, análise de dados elementar, geração de relatórios padronizados, design baseado em modelos e revisão tradicional de traduções compartilham a característica comum de poderem ser claramente divididas em "entrada → processamento → saída". Uma grande parte dos mais de 4.000 funcionários demitidos pela Block estavam nessa faixa. Suas competências profissionais não eram ruins, mas as atividades que realizavam eram exatamente as que os grandes modelos conseguem desempenhar.
Um padrão para se perguntar: se todo o seu trabalho puder ser descrito em uma única instrução de IA, isso significa que a máquina já está pronta para substituí-lo; o que resta é apenas quando a empresa tomar essa decisão.
Os traders intermediários experientes estão comprimindo a oscilação.
Gerente de projeto, supervisor de operações, engenheiro sênior. Seus trabalhos envolvem julgamento e coordenação; a IA não os substituirá em curto prazo, mas está sendo "comprimida". Antes, uma cadeia de negócios exigia cinco gerentes médios, cada um responsável por uma etapa e alinhando-se entre si; agora, a IA assume a execução a montante e a jusante, permitindo que uma ou duas pessoas gerenciem toda a cadeia.
O grupo enfrenta a situação de "ter menos vagas disponíveis". Sua capacidade não diminuiu, mas a demanda do mercado por esse papel está caindo drasticamente. A saída para esse grupo é utilizar a IA para amplificar a execução para baixo e obter o direito de definir problemas para cima.
Mestre da incerteza de valorização
Existe um tipo de trabalho cujo núcleo não é "fazer o correto", mas sim "tomar decisões em meio a informações sempre incompletas e assumir a responsabilidade pelas consequências". Negociações comerciais complexas, gestão de crises de relações públicas, gestão organizacional intercultural, julgamentos de investimentos de alto risco. A IA pode fornecer análises e recomendações, mas não pode assinar em seu nome, não pode assumir a culpa por você e não pode ler, à mesa de jantar, as motivações por trás de um simples olhar do outro.
Esses papéis não apenas não se desvalorizam, mas, como o custo de execução subjacente foi drasticamente reduzido pela IA, o mesmo orçamento pode impulsionar projetos maiores, aumentando o alavancagem nas mãos dos tomadores de decisão.
Na vida real, o trabalho de muitas pessoas abrange mais de um nível. Um simples autoexame: pense em seu conteúdo de trabalho diário — quantas tarefas podem ser explicadas por uma única instrução, e quantas exigem que você tome decisões em meio à ambiguidade? Quanto maior a proporção do primeiro, mais rápido você precisará fazer mudanças.
Pare de se preocupar com ferramentas e transforme a capacidade de computação pública em barreiras privadas
Em janeiro, o OpenClaw ("camarão") surgiu repentinamente e, em poucos dias, ultrapassou 170 mil estrelas no GitHub. Várias empresas de modelos aceleraram suas respostas: a Alibaba Cloud lançou implantação com um clique, a Tencent lançou o CoPaw como concorrente, e a MiniMax e a Kimi também lançaram suas próprias soluções compatíveis.
Então você perceberá um fenômeno interessante: muitas pessoas gastaram mais tempo este mês "pesquisando como implantar lagostins" e "comparando qual pacote é mais vantajoso" do que o tempo que realmente dedicaram a produzir resultados de negócios com IA. Todos estão perseguindo ferramentas, mas depois que você implanta sua configuração, alguém pode copiá-la exatamente da mesma forma em duas horas.
Todos os grandes modelos de linguagem — OpenAI, Anthropic, Meta, Google, xAI — são treinados com os mesmos dados públicos da internet. Portanto, eles são essencialmente iguais, e é por isso que estão sendo rapidamente comercializados.
— Larry Ellison, chamada de resultados do Q2 do ano fiscal 2026 da Oracle
Por outro lado, significa que, desde que seu trabalho dependa apenas das capacidades públicas de modelos grandes gerais, seu resultado será homogêneo, mesmo que suas instruções sejam escritas de forma mais elaborada, não haverá vantagem competitiva.
A verdadeira barreira está em passar do público para o privado.
Já existe uma tendência muito clara: de grandes empresas a equipes de startups, cada vez mais organizações estão implantando modelos privados localizados. A razão direta é a segurança da informação — ninguém quer entregar dados de negócios essenciais a APIs de terceiros. Mas essa tendência tem uma consequência encoberta subestimada: quando os principais players do setor fecham seus dados e conhecimentos em implantações privadas, as informações industriais disponíveis na rede pública para serem aprendidas por modelos gerais se tornam cada vez mais escassas e desatualizadas. Apesar de a IA aparentemente reduzir a barreira de conhecimento para todos, o conhecimento industrial verdadeiramente valioso está desaparecendo rapidamente da rede pública, afundando nos repositórios privados de cada empresa.
Então, os "conhecimentos tácitos" que você acumulou ao longo dos anos na indústria não estão se desvalorizando, mas sim se valorizando — desde que você os coloque em prática.
Organize as experiências de negócios não padronizadas espalhadas pela sua mente, nas conversas e nos e-mails históricos, transformando-as em "contexto" que seu modelo privado possa processar. Os dados do painel da TT3LABS mostram que a taxa de aprovação na triagem inicial de candidatos com mais de dois anos de experiência na Web3 é muito maior do que a de profissionais técnicos de grandes empresas sem fundo no setor — a razão principal é que o know-how do setor tem muito mais peso do que habilidades técnicas gerais. Uma pessoa com três anos de experiência em operações de CEX entende lógicas de conformidade e regras não escritas para listagem de ativos; alguém que passou por dois ciclos completos de governança DAO sabe julgar o design de propostas e os pontos de virada no humor da comunidade; um especialista em conteúdo vertical possui intuição sobre psicologia do público e ritmo narrativo. Essas coisas não aparecem em nenhum conjunto de dados de treinamento público.
Quando você estruturar essas experiências privadas e integrá-las ao modelo, sua IA não será mais um enciclopédia geral, mas um parceiro exclusivo que trabalha apenas para você e entende apenas sua área. Essa profundidade de resultado é algo que ninguém consegue alcançar, mesmo usando o mesmo modelo geral.
A lógica central é apenas uma: a IA supera todos no processamento de conhecimento público, mas depende totalmente do seu fornecimento para o processamento de experiência privada. Quem conseguir combinar o know-how profundo da indústria com a IA será o ativo central no novo modelo de divisão de trabalho.
Seu repositório de experiência é o verdadeiro "modelo"
Os modelos de IA estão evoluindo rapidamente; hoje, GPT, Claude e Gemini podem ser substituídos em seis meses por versões mais poderosas. Mas para você, trocar por um modelo mais poderoso é apenas trocar uma interface de API. O que realmente não será substituído ou superado é o conjunto de dados privados e o banco de experiência que você forneceu a ele.
Modelos são infraestrutura geral, acessível a todos. Mas os conhecimentos setoriais, julgamentos de negócios e lições aprendidas que você insere neles são seu "corpus de treinamento" exclusivo. Quanto mais poderoso for a IA, maior será sua capacidade de digerir esse corpus, e maior será sua barreira privada. Portanto, não se preocupe com "se construir uma base de conhecimento agora ficará rapidamente obsoleta" — sua base de conhecimento é o único ativo que não se desvaloriza com a evolução dos modelos. Os modelos mudam, mas sua barreira de dados só se valoriza à medida que a capacidade da IA aumenta.
Ao mesmo tempo, a lógica tradicional de competição no ambiente profissional também está sendo reescrita. Anteriormente, os funcionários podiam demonstrar atitude trabalhando até tarde, mas as máquinas produzem 7×24 horas; todas as estratégias baseadas em "eu consigo aguentar mais do que os outros" se tornam irrelevantes diante da IA.
Muitas pessoas dizem: "Ainda forneço valor emocional à equipe." Sim, essa é uma capacidade exclusivamente humana, mas seu prêmio depende do nível em que você está. Quando equipes de base reduzem de dez pessoas para duas pessoas e uma fila de Agentes de IA, o "lubrificante da equipe" perde seu cenário. Já nos níveis de decisão, a conexão humana profunda ganha mais valor, pois os custos subjacentes diminuem, em meio a complexas negociações comerciais, construção de confiança de alto risco e mediação de conflitos entre partes com interesses divergentes. O valor emocional não está desaparecendo — está migrando para cima.
No final das contas, o que uma pessoa mais deveria investir na era da IA não é aprender a usar qual ferramenta, mas cultivar continuamente aquele conjunto de IA privada que só você possui. As ferramentas evoluem, mas o banco de experiências não.
Três ações, comece agora
Voltando ao caso do Block, algumas pessoas foram demitidas, mas outras permaneceram; a diferença está em quem ainda é incompressível após a IA se tornar uma ferramenta de produção padrão. Não espere que a empresa lhe forneça treinamento em IA; a partir de hoje, já podemos tentar essas ações:
01、Passar de "fazer tudo pessoalmente" para "construir fluxos de trabalho"
O armadilha mais comum para trabalhadores é usar IA para "preguiçar" (por exemplo, usar IA para escrever um relatório semanal ou revisar um e-mail), mas isso ainda é uma mentalidade de execução. O que você realmente precisa fazer é se ver como um "contratado", reestruturando a produção mais crucial do seu cargo como uma linha de produção automatizada por IA.
Não tente simultaneamente vários modelos novos; escolha uma ferramenta atualmente mais madura (como o ChatGPT Plus ou o Claude) e force-a a atuar no estágio mais demorado e exigente de experiência do seu trabalho. Transforme sua operação linear original de "coletar dados manualmente → analisar e comparar → emitir conclusões" em "definir coleta automatizada → alimentar para um framework de análise de IA → intervenção humana para ajustes finos". Quando você conseguir usar esse fluxo de trabalho para reduzir uma tarefa que antes levava uma semana para apenas um dia, com qualidade extremamente estável, você deixará de ser apenas um nó de poder computacional e se tornará você mesmo uma "microempresa" de alto alavancagem.
02、Solidifique a experiência implícita como seu avatar digital exclusivo
Os grandes modelos aprendem com dados públicos; eles entendem todas as teorias, mas absolutamente não sabem quais são os gostos ocultos do seu cliente extremamente difícil ou quais são as armadilhas que não podem ser tocadas ao se comunicar com o departamento financeiro. Esses "conhecimentos ocultos" que você adquiriu após inúmeros erros são seu ativo mais valioso.
Mas esses ativos não gerarão juros compostos se permanecerem apenas em sua mente. Sua tarefa agora é utilizar as funcionalidades personalizadas atualmente disponíveis nos grandes modelos (como Custom GPTs ou Claude Projects) para transformar sua experiência em "instruções pré-definidas do sistema". Alimente-o com todos os casos limitados que você já lidou, relatórios de revisão de falhas e as regras não escritas da indústria. Seu objetivo não é criar um bloco de notas de banco de conhecimento estático, mas sim "domesticar" um assistente pessoal 24 horas por dia, com seu forte estilo de negócios pessoal, trabalhando exclusivamente para você. Quando esse seu "duplo digital" estiver formado, ninguém com um AI genérico conseguirá competir com você.
03、Fortaleça seu direito de definir problemas e sua responsabilidade
Na equipe, comece a praticar intencionalmente delegar ao machine o trabalho de "encontrar respostas", mantendo para si o poder de "fazer perguntas" e "tomar decisões". A IA é um motor de respostas perfeito, mas nunca conseguirá perceber a verdadeira motivação comercial por trás de uma necessidade. O chefe diz: "Quero criar uma nova estratégia de retenção", e a IA imediatamente fornece 10 modelos teóricos de growth hacking. Mas apenas você pode combinar o orçamento atual e os recursos de desenvolvimento para apontar: "A solução B é perfeita, mas não é viável no momento; a solução C, com metade das funcionalidades cortadas, é a mais adequada para o nosso ritmo atual."
Ao mesmo tempo, você deve entender um ponto: a IA não irá para a prisão nem assumirá responsabilidade. As empresas pagam um salário alto a você muitas vezes para comprar sua "garantia" sobre os resultados comerciais. Quando você submeter código ou soluções gerados por IA, precisa ter a confiança para dizer: "Revisei a saída da IA com minha experiência profissional e assumo responsabilidade pelo resultado final." Esse "prêmio de responsabilidade" — a coragem de tomar decisões em zonas ambíguas e assumir as consequências comerciais finais — é algo que a máquina nunca poderá substituir, em qualquer época.
Dorsey disse: "A maioria das empresas já está atrasada." Mas para indivíduos, a frase também vale ao contrário: a maioria das pessoas ainda não começou a se preparar nem percebeu essa tendência.
Nem todo mundo precisa se tornar um especialista em IA. Mas todo mundo precisa refletir sobre uma pergunta: em seu trabalho, quais partes a máquina certamente conseguirá fazer um dia, e quais são exclusivamente suas? Em seguida, transfira seu tempo e energia das primeiras para as últimas.
Se um dia a IA superar completamente os humanos em todos os campos, talvez em 2027, talvez em 2030, mas esta não é uma mudança que você pode observar de fora.
It doesn't wait for you to be ready.